Modelo de Machine Learning para la Predicción de Calidad de Agua en Sudáfrica
Problema
La gestión hídrica en Sudáfrica enfrenta desafíos críticos debido a la contaminación industrial y agrícola. El monitoreo constante de cuencas fluviales es limitado por costos operativos, lo que dificulta la detección temprana de anomalías en parámetros químicos esenciales para el equilibrio del ecosistema y el consumo humano.
Solución
Desarrollo de una arquitectura de Machine Learning orientada a la regresión multivariable. El modelo procesa datos históricos para predecir niveles de fósforo reactivo disuelto, conductancia eléctrica y alcalinidad total. Se implementaron técnicas de ingeniería de atributos y análisis de importancia de variables para determinar los factores ambientales con mayor peso en la calidad del agua.
Resultados
Se obtuvo un sistema capaz de generar alertas tempranas con métricas de error reducidas (R²/RMSE), permitiendo a los organismos de gestión hídrica identificar fuentes de contaminación de forma proactiva. El modelo no solo predice valores, sino que explica la correlación entre las variables climáticas y la degradación química del agua.